电影数据集关联分析及FP-Growth实现

2024-06-22 16:04

本文主要是介绍电影数据集关联分析及FP-Growth实现,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

(1)数据预处理

我们先对数据集进行观察,其属性为’movieId’         ‘title’ ‘genres’,其中’movieId’为电影的序号,但并不完整,‘title’为电影名称及年份,‘genres’为电影的分类标签。因此电影的分类标签可以作为我们研究此数据集关联分析的文本数据。

我们可以看到电影的分类标签在同一个电影下不只有一个,且用’|’分开,因此我们对数据进行以下处理:

import pandas as pd
import csv
with open("movies.csv", mode="r", encoding='gb18030', errors='ignore') as file:csv_reader = csv.reader(file)next(csv_reader) # 跳过表头li = []for row in csv_reader:li.append(row[2].split("|"))

导入必要库,读取csv第三列去表头的文件数据,并且进行文本分割,将分割完的数据存储进列表里,作为后面算法进行关联分析的数据集。下图是处理完的数据集部分数据:

(2)代码

import pandas as pd # 导入必要库
import csv
from itertools import combinationsli = []
k = 0
with open("movies.csv", mode="r", encoding='gb18030', errors='ignore') as file:csv_reader = csv.reader(file)next(csv_reader) # 跳过表头for row in csv_reader:li.append(row[2].split("|")) # 处理第三列数据# print(li)
# 设置最小支持度和最小置信度阈值
min_support = 0.05
min_confidence = 0.5
# 统计每个项的支持度
item_support = {}
for transaction in li:for item in transaction:if item not in item_support:item_support[item] = 0item_support[item] += 1
# 计算总事务数
total_transactions = len(li)
# print(item_support)
# 计算频繁项集
frequent_itemsets = {}
for item, support in item_support.items():if support / total_transactions >= min_support: # 即该项集在事务数据库中出现frequent_itemsets[(item,)] = support / total_transactions
# 生成候选项集并迭代生成频繁项集
k = 2
while True:candidates = set() # 存储所有可能的项集for itemset in frequent_itemsets.keys():for item in itemset:candidates.add(item)# 生成候选项集candidates = list(combinations(candidates, k)) # 生成所有可能的k项集# 统计候选项集的支持度candidate_support = {}for transaction in li:for candidate in candidates:if set(candidate).issubset(set(transaction)):if candidate not in candidate_support:candidate_support[candidate] = 0candidate_support[candidate] += 1# 更新频繁项集frequent_itemsets_k = {}for candidate, support in candidate_support.items():if support / total_transactions >= min_support:frequent_itemsets_k[candidate] = support / total_transactions# 如果没有频繁项集则停止迭代if not frequent_itemsets_k:breakfrequent_itemsets.update(frequent_itemsets_k)k += 1
# print(frequent_itemsets)
# 生成关联规则
rules = []
for itemset in frequent_itemsets.keys():if len(itemset) >= 2:for i in range(1, len(itemset)):for combination in combinations(itemset, i):X = combinationY = tuple(set(itemset) - set(combination))confidence = frequent_itemsets[itemset] / frequent_itemsets[X]if confidence >= min_confidence:rules.append((X, Y, frequent_itemsets[itemset], confidence))# return frequent_itemsets, rulesprint("频繁项集和对应的支持度:")
for itemset, support in frequent_itemsets.items():print("{}: Support = {:.2f}".format(itemset, support))
# 输出关联规则和置信度
print("\n关联规则和置信度:")
for X, Y, support, confidence in rules:print("{} => {}: Support = {:.2f}, Confidence = {:.2f}".format(X, Y, support, confidence))

(3)输出结果截图

(4) FP-Growth

import pandas as pd # 导入必要库
import csv
from itertools import combinationsli = []
k = 0
with open("movies.csv", mode="r", encoding='gb18030', errors='ignore') as file:csv_reader = csv.reader(file)next(csv_reader) # 跳过表头for row in csv_reader:li.append(row[2].split("|")) # 处理第三列数据# print(li)
# 设置最小支持度和最小置信度阈值
min_support = 0.05
min_confidence = 0.5
# 统计每个项的支持度
item_support = {}
for transaction in li:for item in transaction:if item not in item_support:item_support[item] = 0item_support[item] += 1
# 计算总事务数
total_transactions = len(li)
# print(item_support)
# 计算频繁项集
frequent_itemsets = {}
for item, support in item_support.items():if support / total_transactions >= min_support: # 即该项集在事务数据库中出现frequent_itemsets[(item,)] = support / total_transactions
# 生成候选项集并迭代生成频繁项集
k = 2
while True:candidates = set() # 存储所有可能的项集for itemset in frequent_itemsets.keys():for item in itemset:candidates.add(item)# 生成候选项集candidates = list(combinations(candidates, k)) # 生成所有可能的k项集# 统计候选项集的支持度candidate_support = {}for transaction in li:for candidate in candidates:if set(candidate).issubset(set(transaction)):if candidate not in candidate_support:candidate_support[candidate] = 0candidate_support[candidate] += 1# 更新频繁项集frequent_itemsets_k = {}for candidate, support in candidate_support.items():if support / total_transactions >= min_support:frequent_itemsets_k[candidate] = support / total_transactions# 如果没有频繁项集则停止迭代if not frequent_itemsets_k:breakfrequent_itemsets.update(frequent_itemsets_k)k += 1
# print(frequent_itemsets)
# 生成关联规则
rules = []
for itemset in frequent_itemsets.keys():if len(itemset) >= 2:for i in range(1, len(itemset)):for combination in combinations(itemset, i):X = combinationY = tuple(set(itemset) - set(combination))confidence = frequent_itemsets[itemset] / frequent_itemsets[X]if confidence >= min_confidence:rules.append((X, Y, frequent_itemsets[itemset], confidence))# return frequent_itemsets, rulesprint("频繁项集和对应的支持度:")
for itemset, support in frequent_itemsets.items():print("{}: Support = {:.2f}".format(itemset, support))
# 输出关联规则和置信度
print("\n关联规则和置信度:")
for X, Y, support, confidence in rules:print("{} => {}: Support = {:.2f}, Confidence = {:.2f}".format(X, Y, support, confidence))

这篇关于电影数据集关联分析及FP-Growth实现的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1084756

相关文章

SpringBoot中六种批量更新Mysql的方式效率对比分析

《SpringBoot中六种批量更新Mysql的方式效率对比分析》文章比较了MySQL大数据量批量更新的多种方法,指出REPLACEINTO和ONDUPLICATEKEY效率最高但存在数据风险,MyB... 目录效率比较测试结构数据库初始化测试数据批量修改方案第一种 for第二种 case when第三种

python生成随机唯一id的几种实现方法

《python生成随机唯一id的几种实现方法》在Python中生成随机唯一ID有多种方法,根据不同的需求场景可以选择最适合的方案,文中通过示例代码介绍的非常详细,需要的朋友们下面随着小编来一起学习学习... 目录方法 1:使用 UUID 模块(推荐)方法 2:使用 Secrets 模块(安全敏感场景)方法

解决1093 - You can‘t specify target table报错问题及原因分析

《解决1093-Youcan‘tspecifytargettable报错问题及原因分析》MySQL1093错误因UPDATE/DELETE语句的FROM子句直接引用目标表或嵌套子查询导致,... 目录报js错原因分析具体原因解决办法方法一:使用临时表方法二:使用JOIN方法三:使用EXISTS示例总结报错原

MyBatis-Plus通用中等、大量数据分批查询和处理方法

《MyBatis-Plus通用中等、大量数据分批查询和处理方法》文章介绍MyBatis-Plus分页查询处理,通过函数式接口与Lambda表达式实现通用逻辑,方法抽象但功能强大,建议扩展分批处理及流式... 目录函数式接口获取分页数据接口数据处理接口通用逻辑工具类使用方法简单查询自定义查询方法总结函数式接口

Spring StateMachine实现状态机使用示例详解

《SpringStateMachine实现状态机使用示例详解》本文介绍SpringStateMachine实现状态机的步骤,包括依赖导入、枚举定义、状态转移规则配置、上下文管理及服务调用示例,重点解... 目录什么是状态机使用示例什么是状态机状态机是计算机科学中的​​核心建模工具​​,用于描述对象在其生命

Spring Boot 结合 WxJava 实现文章上传微信公众号草稿箱与群发

《SpringBoot结合WxJava实现文章上传微信公众号草稿箱与群发》本文将详细介绍如何使用SpringBoot框架结合WxJava开发工具包,实现文章上传到微信公众号草稿箱以及群发功能,... 目录一、项目环境准备1.1 开发环境1.2 微信公众号准备二、Spring Boot 项目搭建2.1 创建

IntelliJ IDEA2025创建SpringBoot项目的实现步骤

《IntelliJIDEA2025创建SpringBoot项目的实现步骤》本文主要介绍了IntelliJIDEA2025创建SpringBoot项目的实现步骤,文中通过示例代码介绍的非常详细,对大家... 目录一、创建 Spring Boot 项目1. 新建项目2. 基础配置3. 选择依赖4. 生成项目5.

Linux下删除乱码文件和目录的实现方式

《Linux下删除乱码文件和目录的实现方式》:本文主要介绍Linux下删除乱码文件和目录的实现方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录linux下删除乱码文件和目录方法1方法2总结Linux下删除乱码文件和目录方法1使用ls -i命令找到文件或目录

MySQL中的LENGTH()函数用法详解与实例分析

《MySQL中的LENGTH()函数用法详解与实例分析》MySQLLENGTH()函数用于计算字符串的字节长度,区别于CHAR_LENGTH()的字符长度,适用于多字节字符集(如UTF-8)的数据验证... 目录1. LENGTH()函数的基本语法2. LENGTH()函数的返回值2.1 示例1:计算字符串

SpringBoot+EasyExcel实现自定义复杂样式导入导出

《SpringBoot+EasyExcel实现自定义复杂样式导入导出》这篇文章主要为大家详细介绍了SpringBoot如何结果EasyExcel实现自定义复杂样式导入导出功能,文中的示例代码讲解详细,... 目录安装处理自定义导出复杂场景1、列不固定,动态列2、动态下拉3、自定义锁定行/列,添加密码4、合并